В статье представлен стохастический подход к опросу байесовских сетей на этапе обучения и применения с использованием дискретно-событийного имитационного моделирования в среде AnyLogic. Представлен пример реализации диагностической байесовской сети, имеющей особенности согласования разнородных данных: телеметрической и экспертной информации о функционировании бортовой аппаратуры космического аппарата на всех уровнях его иерархии.
В настоящее время основой работы глобальной сети Интернет являются протоколы TCP/IP — это стек протоколов, по которому происходит обмен информации в приложениях и сервисах. Их можно «грубо» разделить по чувствительности к задержкам на два класса: асинхронные и синхронные. Использование алгоритмов приоритизации трафика позволяет отделить синхронный трафик и выделить ему гарантированную полосу пропускания, что обеспечивает синхронному трафику допустимые задержки. В данной статье будет модифицирован алгоритм HTB: при заимствовании токенов алгоритм будет опираться на соблюдение вхождения задержки класса директивному интервалу времени.
Одним из возможных путей повышения уровня автономности космических аппаратов является обеспечение высокой отказоустойчивости их бортовых систем, в том числе за счет развития бортовых и наземных средств диагностирования и восстановления работоспособности бортовой аппаратуры. Существует связь достоверности диагностирования бортовой аппаратуры с длительностью интервала автономного функционирования космических аппаратов и задача рационального распределения функций между наземными и бортовыми средствами контроля технического состояния и диагностирования бортовой аппаратуры космических аппаратов. При этом средства диагностирования, входящие в состав наземного сегмента системы информационно-телеметрического обеспечения управления космических аппаратов, используются для проведения планово-периодического углубленного анализа технического состояния космических аппаратов, а периодичность проведения такого анализа численно совпадает с интервалом автономного функционирования космических аппаратов. Ввиду сложности рассматриваемых процессов, наиболее приемлемым способом для оценки указанных временных интервалов видится подход на основе имитационного моделирования.
Математическое моделирование и прогнозная аналитика широко используются при решении бизнес-задач в управлении цепями поставок (ЦП). Эти задачи условно можно разделить на несколько классов по уровню абстракции (уровню детальности создаваемой модели). Примеры проблем высокого уровня абстракции: выбор географического расположения узлов цепи поставок (складов, заводов), организация материальных потоков между узлами и мастер-планирование. Такие модели учитывают минимум деталей и представляют систему в упрощенном виде. Проблемы среднего уровня абстракции: определение политик пополнения запасов и снабжения, оптимизация парка ТС и маршрутов, анализ пропускной способности узлов сети и др. К используемым данным добавляются учет временного фактора, стохастики, реальных значений параметров, описываются процессы и логика работы ЦП.
История возникновения и развития концепции Индустрия 4.0 основана на понятии четвёртой промышленной революции, которая в наше время разворачивается практически во всех индустриально развитых странах. Первая промышленная революция, связанная с появлением оборудования для механического производства, началась во второй половине 18-го столетия. Начиная с 1870-х годов, благодаря электрификации и разделению труда (тейлоризм), назрел переход ко второй промышленной революции (эпоха «нефти, газа, электричества»). Начало третьей промышленной революции, называемой также «цифровой революцией», приходится на 70-е годы прошлого столетия. Четвёртая промышленная революция является наблюдаемым, прогнозируемым и управляемым процессом, суть которого составляет массовое внедрение киберфизических систем в производство, а также в сферу обслуживания различных человеческих потребностей, включая труд, быт и досуг.
Мир “имитационного моделирования (ИМ) для бизнеса” небольшой и расширяется медленно. Основное препятствие для роста популярности имитационных моделей — сложность их создания. Вторая проблема — отсутствие устойчивого спроса. У бизнеса нет однозначного понимания, какой именно класс проблем решается при помощи ИМ, всегда найдётся кто-то, кто скажет, что прикинуть можно и в Excel, а оптимизировать — линейным решателем. В целом, мы продолжаем наблюдать небыстрый рост спроса при небольшом, но стабильном сообществе разработчиков имитационных моделей. В области методов и языков имитационного моделирования также происходит не много интересного. Последним значительным событием было появление и начало практического использования агентного моделирования (как самого по себе, так и в комбинации с традиционными подходами). С тех пор прошло больше десяти лет. но ничего сопоставимого по масштабу пока не случилось. На рынке инструментов ИМ остаются те же игроки, постепенно улучшающие (или не улучшающие) свои продукты.
Для мировой практики разработки технологических проектов реконструкции судостроительных предприятий характерно применение методов имитационного моделирования с целью оптимизации схем материальных потоков, состава и характеристик технологического оборудования. Это сокращает сроки и снижает трудоемкость постройки судов и кораблей. Использование инструментальных пакетов имитационного моделирования позволяет совмещать различные подходы для повышения адекватности создаваемых моделей реальным производственным системам.
Происходящие изменения конкурентной ситуации на рынках высокотехнологичной продукции требуют поиска новых резервов повышения эффективности производства, основанных на развитии кооперационных связей и создании единых информационных каналов между партнерами, поставщиками и клиентами. В конкурентной экономике промышленные предприятия стремятся формировать новые инструменты менеджмента, основанные на объединении ресурсов с целью повышения эффективности своих ключевых компетенций и бизнес-процессов. В работе рассматривается методика пошагового гибридного моделирования стратегии взаимодействия промышленных предприятий при разработке и производстве высокотехнологичной продукции.
В нашем быстро изменяющемся мире надо быть готовым к любым изменениям и новые вызовы требуют новых решений – более универсальных, гибких, которые позволяют эффективно реагировать на постоянно происходящие изменения. То же самое относится и к инструментам имитационного моделирования.
Начала системной динамики теперь хорошо известны. Прежде чем в 1961 году появилась первая книга Дж. Форрестера «Индустриальная динамика», известная в русском переводе как «Основы кибернетики предприятия», где был впервые проработан метод системной динамики, Дж. Форрестер 17 лет занимался наукой и инженерным делом в Массачусетском технологическом институте (МТИ), изучая системы управления с обратными связями, тренажеры для пилотов, затем работал в Слоановской школе управления, где впервые столкнулся с конкретными управленческими проблемами.Аналогии с информационными системами с обратными связями, имитаторами полетов не случайны, как и жизненная установка Форрестера «…жизнь должна быть очень практичной. В ней нет места построению теорий и концепций без цели – все время полное погружение в реальном мире», – все послужило созданию «практической философии», так как предложенные идеи и подходы – это фактически универсальная парадигма описания сложных управленческих ситуаций. Ранние модели сетей поставок, общие подходы индустриальной динамики, «пивные игры», язык ДИНАМО – системная динамика берет начало с динамических моделей предприятия.